Pandas导出美化技巧，让你的Excel更出众

合集 - pandas(35)

1.【pandas基础】--数据读取2023-05-042.【pandas基础】--核心数据结构2023-05-073.【pandas基础】--数据检索2023-05-104.【pandas基础】--数据整理2023-05-145.【pandas基础】--数据修改2023-05-166.【pandas基础】--数据拆分与合并2023-05-187.【pandas基础】--数据排序2023-05-228.【pandas基础】--数据类型2023-05-279.【pandas基础】--日期处理2023-06-0210.【pandas基础】--索引和轴2023-06-0411.【pandas基础】--数据统计2023-06-0712.【pandas小技巧】--创建测试数据2023-07-1413.【pandas小技巧】--读取多个文件2023-07-1914.【pandas小技巧】--反转行列顺序2023-08-0215.【pandas小技巧】--修改列的名称2023-07-3116.【pandas小技巧】--按类型选择列2023-07-3017.【pandas小技巧】--随机挑选子集2023-07-2618.【pandas小技巧】--category类型补充2023-08-2119.【pandas小技巧】--统计值作为新列2023-08-1820.【pandas小技巧】--数据转置2023-08-1621.【pandas小技巧】--日期相关处理2023-08-1422.【pandas小技巧】--列值的映射2023-08-1023.【pandas小技巧】--字符串转数值2023-08-0924.【pandas小技巧】--缺失值的列2023-08-0725.【pandas小技巧】--拆分列2023-08-0326.【pandas小技巧】--花哨的DataFrame2023-08-2727.【pandas小技巧】--DataFrame的显示样式2023-08-2528.【pandas小技巧】--DataFrame的显示参数2023-08-2329.pandas高效读取大文件的探索之路01-2930.分组聚合不再难：Pandas groupby使用指南03-0531.别再低效筛选数据了！试试pandas query函数03-0432.掌握pandas cut函数，一键实现数据分类03-0633.pandas plot函数：数据可视化的快捷通道03-08

34.Pandas导出美化技巧，让你的Excel更出众03-13

35.pandas DataFrame内存优化技巧：让数据处理更高效03-14

收起

pandas的DataFrame可以通过设置参数使得在jupyter notebook中显示的更加美观，
但是，将DataFrame的数据导出excel时，却只能以默认最朴素的方式将数据写入excel。

本文介绍一种简单易用，让导出的excel更加美观的方法。

1. 概要

首先，引入一个库StyleFrame，这个库封装 pandas和openpyxl，让我们轻松的设置DataFrame的样式并导出到excel中。

安装很简单：

pip install styleframe

这个库主要包含3个模块：

1. styleframe：相当于这个库的主入口，它封装了DataFrame对象。
2. styler：用来单元格的样式。
3. utils：常用样式元素的辅助类，比如数字和日期格式、颜色和边框类型等。

安装成功之后，下面通过示例看看如何使用。

2. 准备数据

下面示例中使用的数据采集自链家网的真实成交数据。
数据下载地址：https://databook.top/。

导入数据：

import pandas as pd

fp = "D:/data/南京二手房交易/南京建邺区.csv"
df = pd.read_csv(fp)

# 为了简化，只取10条数据来演示导出效果
df = df.head(10)

3. 行列设置

先看看默认导出excel的效果。

output = "d:\data\output.xlsx"
df.to_excel(output, index=None)

默认导出的样式就是这样，所有单元格都一样，不管单元格的内容是什么。

3.1. 设置自适应

第一步，我们设置内容自适应（shrink_to_fit），确保每个单元格中的内容能够完整显示。

from styleframe import StyleFrame, Styler, utils

style = Styler(shrink_to_fit=True)
sf = StyleFrame(df, styler_obj=style)

writer = sf.to_excel(output)
writer.close()

可以看出，StyleFrame的默认导出样式，给有数据的表格加了边框。
使用shrink_to_fit=True样式之后，每个单元格的内容可以完整显示了。

3.2. 设置列宽

从上面的效果，我们发现，所有列的宽度是一样的，无论列中的内容有多长。
我们可以设置某些文字内容比较多列更宽一些。

sf.set_column_width_dict(
    {
        "name": 25,
        "positionInfo": 20,
        "advantage": 15,
        "dealCycleDays": 16,
    }
)

调整之后，内容看起来更清晰了。

3.3. 设置表头，内容

接下来，我们通过字号，对齐方式，背景色以及是否加粗来区分表头和内容部分。

header_style = Styler(
    bg_color="yellow",
    bold=True,
    font_size=12,
    horizontal_alignment=utils.horizontal_alignments.center,
    vertical_alignment=utils.vertical_alignments.center,
)
content_style = Styler(
    shrink_to_fit=True,
    font_size=8,
    horizontal_alignment=utils.horizontal_alignments.left,
)

sf.apply_column_style(sf.columns, content_style)
sf.apply_headers_style(header_style)

内容更加紧凑了，表头部分也更突出了。

3.4. 设置行间隔颜色

最后，我们在优化下内容显示部分，用不同的背景色区分奇数行和偶数行。

row_style = Styler(
    bg_color="#32CD32",
    shrink_to_fit=True,
    font_size=8,
    horizontal_alignment=utils.horizontal_alignments.left,
)

# 计算要设置背景色的行索引
indexes = list(range(1, len(sf), 2))
sf.apply_style_by_indexes(indexes, styler_obj=row_style)

4. 样式设置

样式设置主要是Styler这个模块提供的功能。
通过Styler类提供的接口，我们可以设置灵活的控制导出的样式。

4.1. 字体

我们给第一行设置不同的字体（font="STKaiti"），看看导出的效果：

first_line_style = Styler(
    shrink_to_fit=True,
    font="STKaiti",
    font_size=14,
    horizontal_alignment=utils.horizontal_alignments.left,
)
sf.apply_style_by_indexes(indexes_to_style=[0], styler_obj=first_line_style)

第一行的字体是华文楷体，和其他行不一样。

4.2. 颜色

再把第一行的字调成蓝色（font_color="blue"）。

first_line_style = Styler(
    shrink_to_fit=True,
    font="STKaiti",
    font_size=14,
    font_color="blue",
    horizontal_alignment=utils.horizontal_alignments.left,
)
sf.apply_style_by_indexes(indexes_to_style=[0], styler_obj=first_line_style)

4.3. 背景色

再给第一行加一个红色背景（bg_color="red"）。

first_line_style = Styler(
    shrink_to_fit=True,
    font="STKaiti",
    font_size=14,
    font_color="blue",
    bg_color="red",
    horizontal_alignment=utils.horizontal_alignments.left,
)
sf.apply_style_by_indexes(indexes_to_style=[0], styler_obj=first_line_style)

4.4. 边框

边框是区隔，突出内容的一种手段，比如，我们可以在表头部分用实线粗边框（border_type=utils.borders.thick），内容部分用虚线细边框（border_type=utils.borders.dashed）。

header_style = Styler(
    bg_color="yellow",
    bold=True,
    font_size=14,
    border_type=utils.borders.thick,
)
content_style = Styler(
    shrink_to_fit=True,
    font_size=12,
    border_type=utils.borders.dashed,
)

sf.apply_column_style(sf.columns, content_style)
sf.apply_headers_style(header_style)

4.5. 数字和日期

最后，看看如何定制数字（number_format）和日期（date_format）的显示方式。
我们把上面示例中的总价（totalPrice）保留两位小数，日期（DealDate）改为只显示月和日。

num_style = Styler(
    shrink_to_fit=True,
    font_size=12,
    number_format=utils.number_formats.general_float,
    border_type=utils.borders.dashed,
    horizontal_alignment=utils.horizontal_alignments.left,
)
sf.apply_column_style(["totalPrice", "unitPrice"], num_style)

date_style = Styler(
    shrink_to_fit=True,
    font_size=12,
    date_format="DD/MM",
    border_type=utils.borders.dashed,
    horizontal_alignment=utils.horizontal_alignments.left,
)
sf.apply_column_style("dealDate", date_style)

5. 总结

导出分析结果是我们做数据分析的最后一步，也是最容易被忽视的一步。
我们常常把大部分的精力都会花在数据的整理和分析上，最后给客户提供一个简易的报告和数据。

殊不知，导出一个美观清晰的分析结果和数据，反而更能得到客户的肯定和信任，因为这才是客户能够切身感知到的部分，否则花在数据整理和分析的精力再多，也不能让客户有直接的感受。